7月17日，OpenAI正式推出ChatGPT Agent，正式进入通用AI Agent领域。业界普遍认为，在GPT-5即将问世的关键时刻，ChatGPT Agent的发布更像是一场战略性的“占位战”，预示着通用Agent有望成为未来互联网的“万亿流量入口”，市场格局或将迎来新一轮洗牌。
当前，通用AI Agent领域已有多家创新企业崭露头角，技术路线各异，涵盖了从基于浏览器的通用方案，到沙盒虚拟机的高效执行，再到工作流集成的专业化服务，四大技术派系正展开激烈竞争。
本文邀请硅谷101及Pokee.ai创始人、前Meta AI强化学习团队负责人朱哲清（Bill Zhu）和硅谷101特约研究员Nathan Wang，共同探讨：OpenAI入局是否意味着Agent市场将被巨头吞并？技术壁垒和差异化策略能否为创业公司留存空间？未来互联网访问由“幽灵光标”主导，广告生态将如何重塑？新一代流量入口的主导权又将花落谁家？
7月17日，OpenAI CEO Sam Altman联同四位研究人员直播介绍了ChatGPT Agent。
简言之，用户可让Agent帮忙完成多样任务：例如婚礼缺鞋可直接电商下单，设计宠物周边直接提交打印，搜索信息并自动生成PPT等。
这些演示内容展示了较高的完成度，背后依托的是OpenAI此前发布的Deep Research和Operator两款工具。
Deep Research专注深度调研，能浏览大量网页形成详尽报告，侧重“搜索”；Operator曾只对GPT Pro开放，是一个浏览器Agent，支持网页浏览及操作，主打“执行”。
OpenAI发现，许多用户用Operator时的操作需求与Deep Research的调研任务高度重合，比如规划旅行行程、预订等；反之，Deep Research用户也希望具备访问登录受限网站的能力，这正是Operator的强项。
因此，OpenAI将两者融合，实现“搜索+执行”的整合，成为通用Agent的关键技能组合。
这也意味着OpenAI通用AI的底层技术路线与其他产品有所不同，既具备优势，也存在一定限制。
接下来，我们将解析当前通用Agent的四大技术路线。
首个技术派系是基于“浏览器”的方案，OpenAI的Operator即走此路。
这类Agent通过控制浏览器模拟人类上网操作：搜索、点击、浏览网页，完成各类任务。
优点是能够访问互联网海量信息，功能几乎无限制。
朱哲清指出：
浏览器的关键意义在于它能统一呈现所有网页和互联网服务。只要Agent能操作网页，就能完成用户需求。用户还能看到Agent实际点击页面，验证操作过程。
缺点则是速度缓慢，且Token消耗极高。原因是加载网页时，Agent需完整下载HTML及脚本文件，解析耗时长。
这种视觉模型配合屏幕截图的方式天生慢，任务执行需等待页面加载，导致许多操作需时数十分钟。
不过，未来随着大模型和算力提升，响应速度有望改善。OpenAI的视觉识别与浏览器控制技术领先于市场，优化潜力巨大。
“沙盒虚拟机”技术常被提及，指的是一个受控隔离环境，允许AI安全地运行程序。
想象孩子玩泥巴时有一个专门的玩耍区域，既安全又不会弄脏其他地方。
在AI Agent应用中，沙盒是虚拟机环境，程序在其中运行，不影响主机安全。
Agent能在虚拟电脑上打开浏览器、运行脚本、处理文件，完成任务全过程。
硅谷101研究员Nathan Wang解释：
虚拟机类似一个基于Linux的命令行环境，可以生成和管理文件，利用大模型的编程能力，根据需求写代码并输出用户易理解的内容。
朱哲清补充：
虚拟机优点是可运行各种开源程序包，缺点是网络访问受限，尤其是需要授权登录的服务，如Facebook无法使用。
Manus是虚拟机派中表现出色的代表，今年4月融资7500万美元，估值接近5亿美元。
它融合浏览器和沙盒技术，试图构建一个几乎万能的环境。
缺陷是浏览器能力限制，难以完成复杂页面交互（如上传图片、操作表格格式等），且速度较慢，任务执行常需30分钟以上。
总体上，Manus在虚拟机架构和浏览器集成上优于ChatGPT Agent，但两者都存在响应迟缓的问题。
第三种技术路线是将大型语言模型与一个封闭的沙盒环境结合，限定工具集完成任务。
相较于给AI完整电脑环境，提供有限但有效的工具箱和小型运行空间。
朱哲清指出：
GensPark是此类代表，没有完整沙盒甚至不支持浏览器。它依赖大模型进行推理和代码生成，在受控环境中运行预设工具，限制下载新程序包。
GensPark整合多种规模模型，及80多个经过测试的内置工具，依据任务智能调用合适模型及API，实现快速稳定的结果输出。
Nathan Wang表示：
GensPark支持多第三方API，如访问LinkedIn、GitHub并执行操作，能无缝集成Google办公套件，针对具体场景细化工作流，保证执行可靠。
总结来看，LLM+沙盒技术以牺牲通用性换取更高速度和稳定性，适合特定任务场景。
第四条路线是结合预设流程和第三方工具，由AI调度执行。
朱哲清创办的Pokee即采用此方案，技术核心是“工作流+工具集成”。
可比作搭积木，开发者先设计完成任务的节点流程，每步调用对应应用或API。
AI理解用户请求，自动选用合适流程执行，或用自然语言辅助填充参数。
例如Zapier平台允许自动化邮件处理：收到表单后自动生成摘要并发邮件，AI只负责理解和撰写。
Pokee强调强化学习自动规划工具调用，速度远超其它产品，交付体验优良，但通用性受限于预设流程。
朱哲清表示：
我们的Agent速度是市场平均4到10倍，不依赖虚拟机和复杂调用机制，避免冗长上下文，降低工具调用成本60%左右。自主研发上下文工程技术带来显着成本优势。
虽不如浏览器派通用，但保证每个服务的稳定交付，因直接使用第三方官方接口，减少错误。
四大技术流派与代表：
浏览器派：OpenAI ChatGPT Agent
虚拟机派：Manus
LLM+沙盒派：GensPark
工作流+工具集成派：Pokee、Zapier、UiPath
目前通用性与速度稳定性难兼得，ChatGPT Agent和Manus侧重通用，GensPark和Pokee更注重速度和稳定。
Nathan Wang指出：
起初大家都想做通用Agent，但实践发现“样样通不精通”。未来产品迭代重点是提升可靠性和场景专精，确保用户持续使用和付费。单靠惊艳演示无法长久留住用户，工作流与专精应用才是关键。
各技术路线虽不同，但提速与提升稳定性是共识。
未来将出现更多细分Agent，通用与专用产品并存，ToB和ToC市场将分化。
OpenAI入局，通用Agent大战才刚开始，但未来互联网访问主力将是Agent。
《Wired》曾报道，未来互联网将被“幽灵光标”主导，即大量由Agent代替人类完成网页交互和信息抓取，流量入口被根本改写。
朱哲清预测：
未来1-2年内，传统门户网站流量将快速下滑，电商、搜索、视频网站等均会被Agent流量取代。Google推出Agent2Agent协议就是为了抢占这个入口，谁先占据协议平台谁将成为赢家。
这将引发广告模式和信息分发的重大变革。
朱哲清举例：
未来，内容版权价值凸显。Agent访问内容时需向创作者付费，广告由Agent在用户体验中插入，形成新的排名和变现体系。内容创作者不再依赖传统广告流量，而是直接从Agent获益。
Sam Altman也表示：
AI Agent是一项令人兴奋但带来新风险的技术，社会需建立安全防护机制，用户需要适应新操作方式。OpenAI致力于稳健推进，并设置多重安全警示。
ChatGPT Agent发布当日，OpenAI透露其日均处理指令达25亿条，年化超过9000亿次，已占谷歌搜索量18%。随着Agent普及，流量大战才刚拉开序幕。
百度热点
抖音热榜
新浪微博
今日头条
腾讯新闻
知乎热搜
36氪
雪球网
Copyright @2024 Bizsoso 粤ICP备14045711号-8
用户工作区
